購物車(0)
基于CNN-LSTM的配電網供電能力研究
李春; 張代紅; 李登武 國網浙江省電力有限公司嘉興供電公司; 嘉興314000; 天津天電清源科技有限公司; 天津300072
關鍵詞：卷積神經網絡 長短期記憶神經網絡 負荷預測 配電網供電能力
摘要：供電能力反映著配電網的自動化水平和安全可靠性水平,而配電網的供電能力主要受負荷發展的影響,為了對配電網供電能力進行科學精確的評估,提出了考慮負荷預測的配電網供電能力研究。首先提出了采用卷積神經網絡(CNN)優化長短期記憶神經網絡(LSTM)的負荷預測算法,該算法既具有卷積神經網絡能夠有效提取數據特征又包含了長短期神經網絡適用于解決時間序列預測的優點。然后采用回推迭代潮流計算方法建立了配電網供電能力評估模型,實現對配電網供電能力的精準評估。通過算例仿真實驗可以看出,相比于其他傳統算法,CNN-LSTM方法具有更高的負荷預測準確度,預測的負荷值更貼近實際值,更加準確的反映了負荷增長情況,而且所提的考慮負荷預測的配電網供電能力計算方法,有效指導了配電網的規劃和建設。
國外電子測量技術雜志要求:
{1}正文：應包括研究背景、方法、結果、結論或討論等幾部分內容。
{2}來稿本著文責自負的原則，因抄襲等原因引發的知識產權糾紛作者將負全責，編輯部保留追究作者責任的權利。作者請勿一稿多投。
{3}題目簡明確切地反映文稿的特定內容，起畫龍點睛的作用。一般宜20個字左右。
{4}第一作者簡介應在篇首頁地腳處注明第一作者的姓名、出生年、性別、籍貫、職稱、學歷及從事專業。
{5}外文文獻在前，中文文獻在后。同一作者不同時期的文獻按出版時間的先后順序排列。外文書名以斜體書寫，實詞首字母大寫；外文論文篇名以正體書寫，僅篇名首字母大寫。每條頂格寫，回行時空兩格。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
